tensorflow學習之路（一）:變量、常量、佔位符、圖、會話等基本概念介紹

在使用常量、變量等之前必須先導入tensorflow包

import tensorflow as tf

import numpy as np

1、常量 --constant

例如：    a = tf.constant(3)                b= tf.constant(9)

2、變量  --Variable

例如：     x = tf.Variable(0.)                y = tf.Variable(0.)

#注意變量的英文首字母是大寫的，變量必須要初始化之後才能使用，並且不能直接打印出變量，需要在會話中才能打印出數據。

3、常用操作符和基本數學函數

1. # 算術操作符：+ - * / %
2. tf.add(x, y, name=None) # 加法(支持 broadcasting)
3. tf.subtract(x, y, name=None) # 減法
4. tf.multiply(x, y, name=None) # 乘法
5. tf.divide(x, y, name=None) # 浮點除法, 返回浮點數(python3 除法)
6. tf.mod(x, y, name=None) # 取餘
9. # 冪指對數操作符：^ ^2 ^0.5 e^ ln
10. tf.pow(x, y, name=None) # 冪次方
11. tf.square(x, name=None) # 平方
12. tf.sqrt(x, name=None) # 開根號，必須傳入浮點數或複數
13. tf.exp(x, name=None) # 計算 e 的次方
14. tf.log(x, name=None) # 以 e 爲底，必須傳入浮點數或複數
17. # 取符號、負、倒數、絕對值、近似、兩數中較大/小的
18. tf.negative(x, name=None) # 取負(y = -x).
19. tf.sign(x, name=None) # 返回 x 的符號
20. tf.reciprocal(x, name=None) # 取倒數
21. tf.abs(x, name=None) # 求絕對值
22. tf.round(x, name=None) # 四捨五入
23. tf.ceil(x, name=None) # 向上取整
24. tf.floor(x, name=None) # 向下取整
25. tf.rint(x, name=None) # 取最接近的整數
26. tf.maximum(x, y, name=None) # 返回兩tensor中的最大值 (x > y ? x : y)
27. tf.minimum(x, y, name=None) # 返回兩tensor中的最小值 (x < y ? x : y)
30. # 三角函數和反三角函數
31. tf.cos(x, name=None)
32. tf.sin(x, name=None)
33. tf.tan(x, name=None)
34. tf.acos(x, name=None)
35. tf.asin(x, name=None)
36. tf.atan(x, name=None)
39. # 其它
40. tf.div(x, y, name=None) # python 2.7 除法, x/y-->int or x/float(y)-->float
41. tf.truediv(x, y, name=None) # python 3 除法, x/y-->float
42. tf.floordiv(x, y, name=None) # python 3 除法, x//y-->int
43. tf.realdiv(x, y, name=None)
44. tf.truncatediv(x, y, name=None)
45. tf.floor_div(x, y, name=None)
46. tf.truncatemod(x, y, name=None)
47. tf.floormod(x, y, name=None)
48. tf.cross(x, y, name=None)
49. tf.add_n(inputs, name=None) # inputs: A list of Tensor objects, each with same shape and type
50. tf.squared_difference(x, y, name=None)

3-1、操作 --變量初始化（在會話中執行）

init = tf.global_varaibles_initializer()

#對所有變量進行初始化；注意單詞拼寫問題，不要丟了a

3-2、操作 --賦值（assign）

tf.assign

4、會話--Session()

with tf.Session() as sess:

        sess.run(init)

        print(sess.run([y,x]))

在會話中執行多個變量時，用中括號[]將這幾個變量括起來就可一起執行。

5、placeholder，佔位符，在tensorflow中類似於函數參數，運行時必須傳入值。

tf.placeholder(dtype, shape=None, name=None)

• dtype：數據類型。常用的是tf.float32,tf.float64等數值類型。
• shape：數據形狀。默認是None，就是一維值，也可以是多維，比如[2,3], [None, 3]表示列是3，行不定。
• name：名稱。

佔位符--placeholder與feed_dict一起使用，採用字典的形式餵給數據

代碼片段-1（計算3*4=12）

1. #!/usr/bin/env python
2. # _*_ coding: utf-8 _*_
4. import tensorflow as tf
5. import numpy as np
7. input1 = tf.placeholder(tf.float32)
8. input2 = tf.placeholder(tf.float32)
10. output = tf.multiply(input1, input2)
12. with tf.Session() as sess:
13. print sess.run(output, feed_dict = {input1:[3.], input2: [4.]})

代碼片段-2（計算矩陣相乘，x*x）

1. #!/usr/bin/env python
2. # _*_ coding: utf-8 _*_
4. import tensorflow as tf
5. import numpy as np
7. x = tf.placeholder(tf.float32, shape=(1024, 1024))
8. y = tf.matmul(x, x)
10. with tf.Session() as sess:
11. # print(sess.run(y)) # ERROR: x is none now
12. rand_array = np.random.rand(1024, 1024)
13. print(sess.run(y, feed_dict={x: rand_array})) # Will succeed.